基于ResNeXt和WGAN网络的单图像超分辨率重建

• 作者: 南方哲 孙华 尚迪雅 曾庆亮
• 来源期刊: 计算机应用研究
• 关键词: 单图像超分辨率重建 ResNeXt WGAN 深度学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3815-3819
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.09.0579

摘要

为解决现有基于生成对抗网络的单图像超分辨率重建模型SRGAN网络训练不稳定、学习速率慢等问题,提出了一种基于ResNeXt和WGAN的单图像超分辨率重建模型Res_SRGAN.该模型参考ResNeXt网络结构构造生成器,降低了生成器的复杂度,仅为SRGAN的1/8;通过WGAN来构造判别器解决了SRGAN模型不稳定的问题;实验结果表明,在四个公开数据集上所提模型相较于现有单图像超分辨率重建模型在主客观评价中均取得了更加优越的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙华		37	277	8.0	15.0
2	南方哲		5	0	0.0	0.0
3	曾庆亮		1	0	0.0	0.0
4	尚迪雅		1	0	0.0	0.0